搜索资源列表
一维信号小波分解与重构的VC++源程序
- 这是一个使用VC++编写的“一维信号小波分解与重构的VC++源程序”，请站长检查-It is a preparation of the VC "one-dimensional wavelet decomposition and reconstruction VC source", please check station
对白噪音信号进行基于小波变换尺度为n的分解
- 对白噪音信号进行基于小波变换尺度为n的分解
work
- 有小波分解求小波熵，还有小波包技术求解信号特征，适应与分析脑电信号特征-Seeking a wavelet decomposition wavelet entropy, and wavelet packets technique to solve the signal characteristics, and analysis of EEG characteristics of adaptation
signalwaveletdecopositon
- 一维信号的小波分解重构,其中matlat的源代码是对序列做了扩展的-One-dimensional wavelet signal decomposition and reconstruction, in which the source code matlat is extended sequences done
matlab1
- 我们知道，小波变换的一级分解过程是，原始信号分别进行低通、高通滤波，再分别进行二元下抽样，就得到低频、高频（也称为平均、细节）两部分系数；而多级分解则是对上一级分解得到的低频系数再进行小波分解，是一个递归过程。以下是一维小波分解的程序. -We know that a wavelet transform decomposition process is that the original signal were low-pass, high pass filter, and then
a2
- 传统小波阈值去噪法 小波阈值收缩法去噪的主要依据是：小波变换特别是正交小波变换具有很强的去数据相关性，它能够使图像的能量在小波域集中在一些大的小波系数中；而噪声的能量却分布于整个小波域内，因此，经小波分解后，图像的小波系数幅值要大于噪声的系数幅值，可以认为，幅值比较大的小波系数一般以图像信号为主，而幅值比较小的小波系数在很大程度上是噪声。于是采用阈值的办法可以把信号系数保留，而使大部分噪声系数减少至零[-Study on Algorithm of Image Denosing Based o
yuzhi
- 小波软阈值simulink模型,对带噪语音信号进行小波分解，得到高低频系数，然后对高低频系数进行阈值处理，然后就行重构得到去噪语音信号-the simulink model of yuzhi
waveletdecopose
- 小波分解和重构，用来分析信号的低高频变换，得到近似信号和细节信号。是比较好的数据处理方法-wavelet denoise
waveletdenoising
- 可实现对信号的小波分解及滤波-wavelet transform decomposition and denoising.
resconstruct
- 利用小波分解实现对信号多尺度分解重构，程序简单。-Wavelet decomposition of signal multi-scale decomposition and reconstruction, the program simple.
xiaoboquzaofenxi
- 小波去噪分析，一维信号小波分解，消噪处理，重构-Analysis of wavelet denoising
matlab小波分解时频分析
- 传统的傅立叶变化只能分析时域、频域图，而小波变化能进行时频分析，对信号进行更好的处理。(The traditional Fourier transform can only analyze the time domain and frequency domain diagram, while the wavelet transform can carry on the time-frequency analysis and better deal with the signal.)
小波分解与重构
- 对信号进行多尺度分解并提取小波的高频系数和低频系数(Multi-scale decomposition of signals and extraction of high frequency coefficients and low frequency coefficients of wavelet)
数学形态学与小波变换
- 小波分解可以使人们在任意尺度观察信号，只需所采用的小波函数的尺度合适。小波分解将信号分解为近似分量和细节分量，它们在应用中分别有不同的特点。比如，对含有噪声的信号，噪声分量的主要能量集中在小波分解的细节分量中，对细节分量做进一步处理，比如阈值处理，可以过滤噪声。(Wavelet decomposition allows people to observe signals at any scale, just the size of the wavelet function is appropri
5.4 小波分解法
- 利用小波分解的方法进行语音信号的降噪处理，适用于语音增强领域(The wavelet decomposition method is used to denoise the speech signal, which is suitable for the field of speech enhancement.)
小波分解
- 小波分解，将信号分解成高频信号和低频信号进行分析(Wavelet decomposition)
小波信息熵
- 对信号进行小波变换，确定小波基的选择和分解层数，再求解信号的信息熵，可用于故障诊断。(The wavelet transform is performed on the signal to determine the selection and decomposition layers of the wavelet base, and then the information entropy of the signal is solved, which can be used for fault
二维小波分解 (1)
- 小波变换，对图像二维信号进行3层小波分解。 本题二维图像采用MATLAB自带的图片,实现图片多层小波分解的函数是： [C,S]=wavedec2(X,N,’wname’) , 即使用给定小波‘wname’对二维信号X进行N层小波分解。本题使用’bior3.7’小波进行分析。(wavelet transform)
基于多信号小波变换分解的特征提取
- 实现对振动信号的小波变换分解的特征提取。(The wavelet transform decomposition of vibration signal is realized to extract its features.)